面向三训练的师生学习范式：一种高效的未标注数据利用方法
机器学习
2019-09-26 v1 人机交互
摘要
鉴于真实场景中标注数据获取成本高昂，许多半监督算法已探索未标注数据利用任务。传统三训练算法与带分歧的三训练在标注数据有限的任务中展现出潜力。本工作中，我们引入一种模仿现实世界师生学习过程的三训练新范式。我们表明，所提方法中使用的自适应师生阈值能以更高的标注质量对学习过程提供更多掌控。我们在 SemEval 情感分析任务上评估，并针对含不同标注与未标注数据比例的实验设置提供全面对比。实验结果显示，我们的方法优于其他强半监督基线，且所需标注训练样本更少。
引用
@article{arxiv.1909.11233,
title = {Teacher-Student Learning Paradigm for Tri-training: An Efficient Method for Unlabeled Data Exploitation},
author = {Yash Bhalgat and Zhe Liu and Pritam Gundecha and Jalal Mahmud and Amita Misra},
journal= {arXiv preprint arXiv:1909.11233},
year = {2019}
}